包邮面向深度学习和大数据的轨道交通轴承故障智能诊断方法

作者：宋旭东

出版社：清华大学出版社出版时间：2023-09-01

开本：其他页数： 192

本类榜单：计算机/网络销量榜

中图价:¥42.3(7.2折) 定价 ~~¥59.0~~ 登录后可看到会员价

加入购物车收藏

开年大促， 全场包邮

?新疆、西藏除外

本类五星书更多>

>
全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

全国计算机等级考试最新真考题库模拟考场及详解·二级MSOffice高级应用

¥14.4¥45
>
决战行测5000题(言语理解与表达)

决战行测5000题(言语理解与表达)

¥44.1¥88
>
软件性能测试.分析与调优实践之路

软件性能测试.分析与调优实践之路

¥56.2¥69
>
第一行代码Android

第一行代码Android

¥55.4¥99
>
JAVA持续交付

JAVA持续交付

¥58.1¥119
>
EXCEL最强教科书(完全版)(全彩印刷)

EXCEL最强教科书(完全版)(全彩印刷)

¥31.1¥69.9
>
深度学习

深度学习

¥92.4¥168

买过本商品的人还买了

基于多视角学习的甲骨卜辞语义网络融合方
马园园
¥35.6~~¥48.0~~
众包平台用户持续知识贡献行为研究
陈鹤阳
¥39.4~~¥48.0~~
在线健康社区的病患用户社交及竞争行为研究
宋晓龙著
¥20.8~~¥38.0~~

商品详情
商品评论(0条)

中图价:¥42.3 加入购物车

版权信息
本书特色
内容简介
目录

面向深度学习和大数据的轨道交通轴承故障智能诊断方法版权信息

ISBN：9787302631910
条形码：9787302631910 ; 978-7-302-63191-0
装帧：平装-胶订
册数：暂无
重量：暂无
所属分类：
计算机/网络
>
数据库
>
数据库理论

面向深度学习和大数据的轨道交通轴承故障智能诊断方法本书特色

本书将深度学习故障诊断智能方法与轴承故障诊断智能技术应用融会贯通，内容新颖

面向深度学习和大数据的轨道交通轴承故障智能诊断方法内容简介

本书以提高轨道交通轴承故障诊断的准确性和高效性为目标，结合深度学习和大数据技术等领域**成果，系统地介绍了轨道交通轴承故障智能诊断模型构建的方法和技术。本书共10章，主要内容包括：轨道交通轴承故障诊断概述、轨道交通轴承结构及振动机理、轨道交通轴承故障诊断技术概述、基于卷积神经网络的轴承故障诊断方法、基于深度信念网络的轴承故障诊断方法、基于循环神经网络的轴承故障诊断方法、基于集成学习的轴承故障智能诊断方法、基于迁移学习的变工况轴承故障智能诊断方法、基于大数据平台的轴承故障智能诊断方法、轨道交通轴承故障智能诊断系统设计与实现。本书可作为从事轨道交通故障诊断技术研究的科研人员和工程技术人员的参考用书，也可作为高等院校计算机科学与技术、软件工程、机械工程等相关专业“故障诊断智能技术”课程的教材。

面向深度学习和大数据的轨道交通轴承故障智能诊断方法目录

第1章轨道交通轴承故障诊断概述 1.1轨道交通轴承故障诊断意义及内容 1.1.1轨道交通轴承故障诊断意义 1.1.2轨道交通轴承故障诊断内容 1.2轨道交通轴承故障诊断方法及其发展 1.2.1轴承故障诊断方法分类 1.2.2轴承振动信号故障诊断发展 1.3轨道交通轴承故障振动诊断方法 1.3.1基于振动信号分析的方法 1.3.2基于数据驱动的诊断方法第2章轨道交通轴承结构及振动机理 2.1轨道交通轴承结构 2.1.1轨道交通运用轴承分类 2.1.2轨道交通轴承结构分析 2.1.3轨道交通轴承故障表现 2.1.4轨道交通轴承故障原因 2.2轨道交通轴承振动机理 2.2.1滚动轴承的固有振动 2.2.2涉及轴承载荷及弹性的振动 2.2.3轴承制造或装配不良引起的振动 2.2.4轴承各类故障引起的振动第3章轨道交通轴承故障诊断技术概述 3.1轴承振动信号采集与预处理技术 3.1.1轴承振动信号采集技术 3.1.2轴承振动信号数据预处理技术 3.2轨道交通轴承故障特征提取技术 3.2.1轴承振动信号故障时域特征提取方法 3.2.2轴承振动信号故障频域特征提取方法 3.2.3基于希尔伯特包络分析故障特征提取方法 3.2.4基于小波包包络分析故障特征提取方法 3.2.5基于经验模态分解故障特征提取方法 3.2.6基于局部均值分解故障特征提取方法 3.2.7基于变分模态分解故障特征提取方法 3.3轨道交通轴承故障特征选择技术 3.3.1基于主成分分析的特征选择方法 3.3.2基于线性判别分析的特征选择方法 3.3.3基于信息熵的量化特征选择方法 3.3.4基于自编码器的特征选择方法 3.4轨道交通轴承故障智能诊断技术 3.4.1人工神经网络 3.4.2支持向量机 3.4.3决策树 3.4.4卷积神经网络 3.4.5深度信念网络 3.4.6循环神经网络第4章基于卷积神经网络的轴承故障诊断方法 4.1基于卷积神经网络轴承故障诊断工作原理 4.1.1基于卷积神经网络轴承故障诊断网络结构 4.1.2基于卷积神经网络轴承故障诊断建模机理 4.1.3基于卷积神经网络轴承故障诊断建模策略 4.2基于卷积神经网络的轴承故障诊断模型构建方法 4.2.1基于卷积神经网络轴承故障诊断模型构建流程 4.2.2一种基于WKCNN轴承故障诊断模型构建算法 4.3基于卷积神经网络的轴承故障诊断模型实验 4.3.1基于WKCNN轴承故障诊断数据源 4.3.2基于WKCNN轴承故障诊断模型构建实验 4.3.3基于WKCNN轴承故障诊断模型验证实验第5章基于深度信念网络的轴承故障诊断方法 5.1基于深度信念网络故障诊断工作原理 5.1.1基于深度信念网络的轴承故障诊断网络结构 5.1.2基于深度信念网络的轴承故障诊断建模机理 5.2基于深度信念网络的轴承故障诊断模型构建 5.2.1基于深度信念网络的轴承故障诊断模型构建流程 5.2.2基于深度信念网络的轴承故障诊断模型构建算法 5.3基于深度信念网络的轴承故障诊断模型实验 5.3.1基于深度信念网络的轴承故障诊断数据源 5.3.2基于深度信念网络的轴承故障诊断模型构建实验 5.4一种基于MCELF的DBN轴承故障诊断加速方法 5.4.1基于MCELF的故障诊断加速方法 5.4.2基于MCELF的加速DBN故障诊断的模型构建
算法 5.4.3基于MCELF的加速DBN故障诊断的模型实验第6章基于循环神经网络的轴承故障诊断方法 6.1基于循环神经网络故障诊断工作原理 6.1.1基于循环神经网络的轴承故障诊断网络结构 6.1.2基于循环神经网络的轴承故障诊断建模机理 6.1.3长短期记忆网络LSTM工作原理 6.1.4门限循环单元GRU网络工作原理 6.2基于循环神经网络的轴承故障诊断模型构建 6.2.1基于循环神经网络的轴承故障诊断模型构建流程 6.2.2一种基于LGL轴承故障诊断模型构建算法 6.3基于循环神经网络的轴承故障诊断模型实验 6.3.1基于LGL轴承故障诊断数据源 6.3.2基于LGL轴承故障诊断模型构建实验 6.3.3基于LGL轴承故障诊断模型验证实验第7章基于集成学习的轴承故障智能诊断方法 7.1基于集成学习的故障诊断工作原理 7.1.1集成学习方法及Stacking算法 7.1.2基于集成学习的故障诊断网络结构 7.2基于集成学习的轴承故障诊断模型构建 7.2.1基于集成学习的轴承故障诊断模型构建方法 7.2.2基于集成学习的轴承故障诊断模型构建流程 7.3基于集成学习的轴承故障诊断模型实验 7.3.1基于集成学习的轴承故障诊断数据源 7.3.2基于集成学习轴承故障诊断模型构建实验第8章基于迁移学习的变工况轴承故障智能诊断方法 8.1基于迁移学习的变工况轴承故障诊断工作原理 8.1.1基于迁移学习的变工况故障诊断网络结构 8.1.2一种改进弹性网正则化的迁移学习方法 8.2基于迁移学习的变工况轴承故障诊断模型构建 8.2.1基于迁移学习的变工况轴承故障诊断模型构建
流程 8.2.2基于迁移学习的变工况轴承故障诊断模型构建
算法 8.3基于迁移学习的变工况轴承故障诊断模型实验 8.3.1变工况轴承故障诊断数据源 8.3.2变工况轴承故障诊断模型实验第9章基于大数据平台的轴承故障智能诊断方法 9.1大数据Hadoop平台工作原理 9.1.1Hadoop大数据平台框架 9.1.2Hadoop分布式文件系统HDFS 9.1.3Hadoop分布式计算MapReduce 9.1.4Hadoop资源管理器Yarn 9.2基于Hadoop的轴承故障诊断平台设计与实现 9.2.1基于Hadoop的轴承故障诊断平台设计 9.2.2基于Hadoop的轴承故障诊断平台实现 9.3基于Hadoop的轴承故障诊断实验 9.3.1基于Hadoop分布式存储的轴承故障诊断实验 9.3.2基于Hadoop分布式计算的轴承故障诊断实验第10章轨道交通轴承故障智能诊断系统设计与实现 10.1轨道交通轴承故障智能诊断系统设计 10.1.1故障智能诊断系统平台框架设计 10.1.2故障智能诊断系统平台功能设计 10.2轨道交通轴承故障智能诊断系统实现 10.2.1故障智能诊断系统实现技术框架 10.2.2轴承故障智能诊断系统核心模块展示参考文献附录英文缩略词及术语

展开全部

商品评论(0条)

写书评赚书币

暂无评论……

书友推荐